在线学习行为与学习成绩的关系研究

李 鲍 周莹莹

（1.上海交通大学教学发展中心 上海 200240；2.上海机电工程研究所 上海 200240）

0 引言

2020年突发公共卫生事件给各行各业都带来了巨大的变革，校园中尤其明显，直接导致面对面的线下教学突然全盘转移至网络教学模式；虽然MOOC教学、翻转课堂等各种教学模式已经推行很多年，但是并未有大规模线上课程替代线下课程的经验，也并未有类似的效果评估。线下到线上的变化带来的不但是教学空间的变化，授课、答疑、研讨、作业、辅导等各个教学环节都已经发生了变化。教师在适应线上“教”的新模式，学生也在摸索线上“学”的新方法。回归课堂后的教学工作相信一定会与之前的课堂有所差异；我们希望通过对教师与学生在CANVAS学习平台留下的相关学习行为数据与学习成绩进行分析，找出在线学习行为与学习成绩之间的关系，相信这对教师和管理部门客观评价这个特殊历史时期的教学过程有所帮助，也能为今后恢复正常后的课程改革提供一个新的探索方向。

本研究主要着眼于量大面广的基础性课程，这主要是出于两个因素的考虑：（1）这些课程覆盖学生比例高，为CANVAS平台学习行为大数据分析提供比较全面的数据基础；（2）大量学生学习同一门课程，且课程多采用标准化测验作为衡量学习效果的手段，学习测量数据质量较高。基于这个考虑我们选择了英语、基础电路分析、概率统计、大学化学4门课程作为研究对象。

1 研究现状

随着学习平台大数据逐渐被重视，国内学习行为分析取得了巨大收获。但通过文献分析发现对于学习行为分析模型的理论及框架构建较多，对学习行为数据收集、预测、分析则相对较少，还具有巨大空间。

有些研究发现，在线学习与成绩总体呈正相关，作者评估了在线学习系统在面对面学习环境中改善学生测试成绩的有效性。结果表明，与对照测试问题以及系统实施前一个学期的测试成绩相比，在线学习系统的实施提高了学生的考试成绩[1]。有些研究，则从不同测量指标，给出答案。与通过“传统讲座”授课的学生相比，通过在线媒体授课的学生之间没有显着差异。一项评估调查表明，尽管有些学生不愿意接受一种独立的学习方式，但似乎喜欢这些资源[2]。熊潞颖等（2019）基于某平台数据课程，定义并分析了在线学习者在学业拖延方面的行为表现，并结合K-means聚类算法和社会网络分析方法对学习者在线学习行为进行分析，尝试研究成绩好坏与课程中的拖延行为是否成正相关关系，发现结论为党学习这取得较好的学习成绩时，也会出现短暂的拖延行为，而取得较差的学习成绩，拖延行为更有可能是持续性的，学习者有可能会放弃课程[3]。

2 方法与过程

基于学习投入理论框架，本研究主要聚焦学习平台数据中的个体学习行为：包括平台查看次数、平台互动次数、平台互动时长、平台总访问次数、平台有效活动时长。经过对数据梳理清洗后因为大学化学未能获得全部卷面成绩，所以没有办法进行有效分析；只保留英语、基础电路理论、概率统计3门课程进行数据分析。3门课程都是量大面广的基础课程，覆盖学生数量较多，具有一定的普遍意义。

2.1 以每位学生为单位进行成绩与各个指标数据分析

（1）概率统计课程包含1333位学生成绩数据，在线教学平台上共计获取到55759条日志数据，每次线上练习的最后一次提交时间减去第一次提交时间作为一次有效线上练习投入时长，将每人的练习投入总时长与成绩进行相关分析，结果表明两者相关性不显着。

总登录时间为系统自动记录的在线时间，标志了学生在平台上实际操作的时长信息，经过与成绩进行相关分析，结果表明二者相关性不显着。

页面点击数、练习提交数、总访问数是3个访问学习平台的主要客观指标，经过与成绩进行相关分析，结果表明页面点击数、练习提交数、总访问数与成绩相关性显着。

（2）基本电路理论课程包含1013位学生成绩数据，在线教学平台上共计获取到3213条日志数据，总登录时间为系统自动记录的在线时间，标志学生在平台上实际操作的时长信息，经过与成绩进行相关分析，结果表明二者相关性不显着。

页面点击数、练习提交数、总访问数是3个访问学习平台的主要客观指标，经过与成绩进行相关分析，结果表明页面点击数、练习提交数、总访问数与成绩相关性不显着。

（3）英语课程包含2854位学生成绩数据，在线教学平台上共计获取到314167条日志数据，每次线上练习的最后一次提交时间减去第一次提交时间作为一次有效线上练习投入时长，将每人的练习投入总时长与成绩进行相关分析，结果表明两者相关性显着。

总登录时间为系统自动记录的在线时间，标志学生在平台上实际操作的时长信息，经过与成绩进行相关分析，结果表明二者相关性显着。

页面点击数、练习提交数、总访问数是3个访问学习平台的主要客观指标，经过与成绩进行相关分析，结果表明页面点击数、练习提交数、总访问数与成绩相关性不显着。

根据以上分析结果总结表格如表1，三门课程显示了完全不同的分析结果，为进一步分析三门课程产生差异结果的原因，课题组采用人工方式对平台日志进行初步判断发现3门课程利用平台的方式有一些不同。

表1：各项数据指标与成绩相关性

概率统计：平台信息以PPT、作业、测验为主。

基本电路理论：重点知识信息总结、未见互动内容。

英语：PPT、作业、测验、各种形式的课外资料：包括音频、视频等。

根据以上信息不难看出，三门课程对待平台的方式是不同的，基本电路理论课程将平台作为信息发布渠道，利用其它平台进行补充互动或学习资源提供；概率统计：将平台作为主要教学阵地，但是课外资源不足，以线上平台取代物理教室的作用。英语课程将平台作为唯一教学阵地，提供了丰富的教学资源供学生利用，学生几乎所有学习活动都依托平台完成。

2.2 对学生成绩进行分段处理

60分以下为D组，60-75为C组，75-90为B组，90分以上为A组，按照分组对指标数据处理后再与成绩进行相关分析。

（1）概率统计课程相关数据指标中，页面点击、练习提交、总访问数、练习投入与成绩相关性显着，总登录时间与成绩相关性不显着，如表2。

表2：概率统计—页面点击、练习提交、总访问数、练习投入、总登录时间与成绩相关分析

（2）基础电路理论课程相关数据指标中，页面点击、练习提交、总访问数、练习投入、总登录时间与成绩相关性不显着，如表3。

表3：基础电路理论—页面点击、练习提交、总访问数、练习投入、总登录与成绩相关分析

（3）基础电路理论课程相关数据指标中，页面点击、练习提交、总访问数、练习投入、总登录时间与成绩相关性显着，如表4。

表4：英语—页面点击、练习提交、总访问数、练习投入、总登录与成绩相关分析

经过成绩分段处理后重新对指标数据与成绩相关性进行分析，除概率统计课程中的练习投入时长相关性从不显着变为显着，其他指标结果未改变，如表5。

表5：成绩分段处理后各项数据指标与成绩相关性

3 结果与结论

数据分析结果可以看出，统一平台下相同的技术指标在不同的课程中表现为不同的统计结果，在一门课程的角度可以分析出某行为与成绩的关系，但是希望找到一个普适性指标推广的所有课程不能简单的定位某个数据指标。经过对三门课程平台上的页面设置发现，单纯的将平台作为信息发布工具并不能给学习带来促进作用；除了设计相关常规作业通过平台提交，还应该重点关注通过平台提供内容丰富、形式多样的课内课外学习资源，设计合理的讨论题，让同学将平台作为首选学习环境，提升平台的使用粘性，才能有效促进学习效果提升。

4 分析与讨论

本次课题研究重点关注平台一些客观数据指标，揭示了平台内容合理设计给成绩提升带来的促进效果，练习投入时长、练习提交次数、访问平台次数等指标与成绩呈现显着相关。但是缺乏学生主观感受数据分析，后续应该通过问卷等途径收集学生线上教学的主观感受，对数据进行多维度补充，进行进一步深入研究。